论文部分内容阅读
随着大规模云计算数据中心在全球范围内广泛部署,其高能耗、高费用、高污染等问题日益突出。清洁新能源、智能电网和高效储能设备为云数据中心的节能降耗带来了新的契机。但是,新能源是不稳定地间歇供应的,而智能电网具有多种电力市场和波动电价,这给云数据中心的能效优化带来新的挑战。研究新能源和智能电网环境下的多路能源数据中心的能效优化机制,对于建立环境友好型、资源节约型、自适应动态伸缩的新型云数据中心具有重要的意义。目前,国内外针对多路能源数据中心的能效优化研究方兴未艾,尚存在一些亟待深入探究的问题。首先,现有研究工作假设系统可以预知负载需求,或者需要通过大量复杂计算或预测技术获得。在求解能效最优化问题时,传统的动态规划或者马尔科夫决策过程也遭受“维数灾难”问题。第二,当前针对清洁新能源应用机制的研究较多,而面向智能电网、新能源和储能设备等多路能源的研究较少。第三,负载调度时引起的服务器开关、功耗状态调节和温度升高对硬件可靠性具有不利影响,而负载聚集、系统软件长时间运行影响软件可靠性,同时数据中心储能设备的过度使用也会降低系统电力可靠性。第四,当前缺乏对储能设备在数据中心中地位和价值的深入研究和探索。最后,如何在多个数据中心间实现在线的、轻量级的、去中心化的、多区域能效感知的请求路由、负载调度和能源管理算法,是亟待解决的又一问题。针对这些问题,以数据中心的能效优化为中心,从四个侧面对多路能源数据中心能效优化的关键理论和核心技术进行广泛深入的研究。多样化定价策略下的储能设备自适应控制机制,将全面深入地研究储能电池的储能作用与其购买开销之间的权衡,以及在数据中心中地位和价值。基于一个随机优化模型,该机制将最小化数据中心长期运营开销同时满足动态的负载需求。针对不同的电能定价策略,该机制分别设计储能设备的自适应最优控制方案。进一步地,该机制从理论上分析投资购买储能设备的收益条件,定量地刻画储能电池对于缓解不稳定新能源和动态负载的作用,以及计算特定系统所需的储能容量大小。该机制为云数据中心系统管理员合理规划、配置、最优控制储能设备提供有效指导。多路能源协同管理与负载在线调度机制,可以改善现有新能源管理和负载调度方法需要预知系统信息或者需要大量预测计算的弊端。最优控制方案SmartDPSS仅依靠系统当前信息就可以做在线决策,以应对系统动态的需求、新能源供应和电价。基于两种时间粒度的李雅普诺夫最优化理论,SmartDPSS具有两个时间粒度的控制策略:先在粗时隙提前为系统能源供需做规划,然后在细时隙根据系统变化情况做均衡。进一步地,多能源协作优化的高效机制可以克服多种能源“各自为政”的供给现状。理论分析和模拟实验证实SmartDPSS在数据中心中具有良好的最优性、自适应性和可扩展性。可靠性感知的负载动态整合方案RACE,可以优化数据中心系统全局的、长期的效益。RACE全局地构建一个权衡性能、可靠性和能耗的多目标效益模型。为解决此多目标优化问题,RACE利用改良的组合遗传算法求解。为加快遗传算法收敛速度,RACE设计可靠性感知的缓存策略和虚拟机与物理机映射策略,来生成效益较高的初始解空间。RACE不仅具有较高的长期整体收益,而且RACE方案可以以较低的开销分布式地部署在大规模的数据中心上。绿色分布式云数据中心间的负载均衡机制,能实现在多个数据中心之间在线地动态分发云请求、各个数据中心实时调度负载和协同管理多路能源。基于两个时间粒度的李雅普诺夫优化技术,控制方案GeoGreen不需要预知系统未来信息就可作准确的实时决策,而且是轻量级的、去中心化的、多区域能效感知的。通过设置不同的开销-延时参数,开销-可靠性参数和算法实施频率参数,GeoGreen使得云服务运营商可以灵活地调节系统运营开销和服务延时的权衡。综上所述,从不同层次对数据中心的负载在线调度、多能源协同管理提出的优化策略,可以有效地减小云数据中心的开销,使得系统能效得到大幅提升。